黄土高原年均降水量空间插值及其方法比较

采用不同空间插值方法(普通克里格法OK、反距离权重法IDW和径向基函数法RBF),对黄土高原地区85个气象站点1957—2013年逐日降水数据进行年均降水量空间插值分析,采用平均绝对误差(MAE)、均方根误差(RMSE)、Pearson相关系数(R)以及准确度(AC)对插值结果进行对比,研究不同方法对该地区年均降水量插值结果的影响.结果表明:研究期间,黄土高原地区年均降水量的Moran I值为0.67,各站点年均降水量存在较强的空间自相关性.63个预测站点和22个检验站点的验证结果显示,3种方法的实测值和预测值均显著相关,但反距离权重法和径向基函数法的平均绝对误差(MAEIDW=38.98,MAERBF=34.61)和均方根误差(RMSEIDW=51.49,RMSERBF=43.79)均高于普通克里格法.通过普通克里格法的不同半变异函数模型(环形模型、球体模型、指数模型、高斯模型)对比发现,环形模型的平均绝对误差最小(MAE=32.34),准确度最高(AC=0.976),指数模型平均绝对误差最大(MAE=33.24).综合对比不同插值方法实测值与估算值的验证结果表明,采用半变异函数为环形模型的普通克里格法是进行黄土高原年均降水量插值较好的方法.     

基于回归和地理加权回归Kriging的土壤有机质空间插值

基于地形因子与土壤有机质的相关分析,选取相对高程和汇流动力指数作为辅助变量.以普通克里格(OK)作对照,比较地理加权回归克里格(GWRK)与回归克里格(RK)在土壤有机质空间插值及制图上的精度与效果.结果表明:土壤有机质含量与相对高程呈显著正相关,与汇流动力指数呈显著负相关;经半方差分析,土壤有机质及其插值残差具有强烈的空间自相关;对验证集中98个样点的精度加以分析,RK法插值结果的平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)较OK法分别降低39.2％、17.7％和20.6％,相对提高度(RI)为20.63,GWRK法插值结果的ME、MAE、RMSE较OK法分别降低60.6％、23.7％、27.6％,RI为59.79.与OK相比,考虑了辅助变量的RK和GWRK明显提高了插值精度;GWRK考虑了样点位置,成图效果更加精细,对土壤有机质的局部模拟效果优于RK.     

海洋浮游植物丰度的空间插值优化

在探索性空间数据分析(Exploratory spatial data analysis)和数据转化的基础上,利用反距离加权(Inverse distance weighting,IDW)、径向基函数(Radial basis functions,RBF)、普通克里格(Ordinary Kriging,OK),3种插值方法,对2003年8月获得的珠江口浮游植物丰度数据进行插值运算,并对插值准确度进行交叉验证。结果显示,珠江口浮游植物丰度数据具有离散性大、存在极大和极小值、呈正偏分布等特点。而对数转化能大大减小数据的离散性和不对称性,有效消除插值结果图中各类插值噪音。交叉验证显示,插值精确度OK最高,RBF次之,IDW最低。观察插值结果等值面图,发现3种方法均能较客观地模拟出浮游植物丰度的总体分布趋势,在对局部趋势的模拟上,OK的表现最好。综合评定,OK为最适合珠江口浮游植物丰度数据的插值方法。半变异模型的选择对OK的插值结果影响不明显。在四种半变异模型中,圆形模型的拟合效果最好。     

基于数字土壤制图技术的土壤有机碳储量估算

精准的土壤属性空间分布信息有助于提升土壤有机碳储量估算的精度。本研究以河南省济源市南山林场为研究区,以地形因子为预测因子,利用模糊C均值(FCM)聚类方法对土壤有机碳含量、土壤容重、土壤厚度和土壤砾石含量进行数字土壤预测制图,基于数字制图结果实现土壤有机碳密度预测制图和土壤有机碳储量估算。结果表明: 基于数字土壤制图方法得到的研究区土壤有机碳密度平均值为4.24 kg·m^-2,其预测图的平均误差(ME)为0.08 kg·m^-2,平均绝对误差(MAE)为2.80 kg·m^-2,均方根误差(RMSE)为5.03 kg·m^-2,与传统类型方法相比,预测结果的精度和稳定性更高,具有较高的可信度,最终估算得到研究区土壤有机碳储量为3.08×10⁸ kg。基于数字土壤制图技术仅采用少量土壤样点即可实现较高精度的土壤有机碳密度制图和储量估算,且能表征土壤有机碳密度空间分布特征。本研究为土壤有机碳储量估算提供了新途径,有助于提升土壤有机碳储量估算的精度和效率。     

长白山低山区森林土壤有机碳及养分空间异质性

以吉林延边汪清林业局金仓林场境内森林土壤为对象,采用多元线性回归方法和地统计学回归克里格方法,研究了土壤有机碳及养分的垂直分布规律,预测了其空间分布,并对预测结果进行插值.结果表明: 0～60 cm深度土壤有机碳密度为(16.14±4.58) kg·m^-2.随土壤深度增加,土壤有机碳含量、有机碳密度以及土壤全N、全P、全K、有效P及速效K含量都呈减小趋势,其中不同土层间土壤有机碳含量、有机碳密度差异显著(P<0.01).0～60 cm土层土壤有机碳含量和碳密度的拟合方程中,地形因子中高程和坡向余弦值是最优的拟合因子,方程的决定系数分别为0.34和0.39(P<0.01).0～20和0～60 cm土层的半方差函数模型分别为高斯模型和指数模型,利用回归克里格插值方法得到土壤有机碳的空间分布图.与普通克里格法相比,回归克里格法的空间预测精度改进了18%～58%.利用回归克里格插值方法预测了土壤全N的空间分布特征.     

基于局域模型的凉水国家自然保护区土壤全氮空间分布

以凉水国家自然保护区激光雷达数据为基础,建立数字高程模型,提取基本地形属性如坡度、坡向和复合地形属性湿度指数和相对径流强度指数等,在成土因素学说基础上,对全氮含量(TN)进行地理加权回归建模(GWR),同时运用反距离加权(IDW)、普通克里格(OK)和泛克里格(UK)对TN进行空间插值.结果表明： 对于研究区TN的预测,GWR模型预测精度(77.4%)高于其他3种空间插值方法,IDW预测精度(69.4%)高于OK(63.5%)和UK(60.6%)的预测精度.利用GWR模型预测研究区域土壤TN平均达到4.82 g·kg^-1;在高海拔、地形湿度大以及相对径流强的区域,土壤TN相对较高.对预测结果进行探讨发现,不同坡位、坡向的土壤TN也存在一定差异.因此,基于地形属性的局域模型是土壤属性空间分布预测的更为有效的方法.     

不同干扰程度下土壤有机质空间最优插值法研究

选择最优空间插值方法对明确不同干扰程度下干旱区土壤有机质空间分布规律具有重要意义。通过对新疆阜康市土壤采样分析,分别运用普通克里格法(Ordinary Kriging, OK)、反距离权重法(inverse distance weight, IDW)、径向基函数法(radial basis function, RBF)、局部多项式法(local polynomial, LPI)4种插值方法,描述不同人为干扰程度下干旱区土壤有机质空间分布特征,以探讨其最优空间插值方法。结果表明:①随干扰程度增加,土壤有机质含量降低,空间变异性由弱到中等,变异系数由9.27%增加至28.7%;同时,土壤有机质空间自相关性逐渐降低,从无人为干扰区、人为干扰区到重度人为干扰区分别呈强烈、中等、弱相关关系,即干扰程度越强受随机因素作用越大。②虽然4种方法的插值精度均随干扰程度的增强而降低。但OK法在空间结构性较强的无人为干扰区插值效果最好,R~2为0.625;在人为干扰区及重度人为干扰区RBF法的插值精度均最高,R~2分别为0.562和0.434。该结果为寻找适合于不同干扰程度下干旱区土壤有机质的空间插值方法提供一定的科学参考。     

综合土地利用及空间异质性的土壤有机碳空间插值模型

土壤有机碳库是陆地碳库的重要组成部分,土壤有机碳库及其动态变化对陆地生态系统碳循环有着重要的影响.土壤有机碳密度(SOCD)是土壤碳储量的重要参数,也是评价农田土壤质量的重要指标,准确预测区域SOCD空间分布对发展精确农业有重要意义.本文使用江汉平原地区242个农田土壤样本数据,探究平原地区土地利用类型对SOCD空间分布的影响,以及当SOCD空间分布规律呈现空间异质性且存在空间异常值的情况下,虚拟变量回归克里格法(DV_RK)、均值中心化克里格法(MC_OK1)和中位数中心化克里格法(MC_OK2)这3种结合土地利用的克里格法在SOCD空间预测中的应用.结果表明: 土地利用方式的差异是研究区水田和水浇地SOCD存在空间异质性的原因之一,导致SOCD存在空间非平稳特征,降低了普通克里格法(OK)的预测精度;而DV_RK、MC_OK1和MC_OK2在消除了由土地利用引起的SOCD空间异质性对建模的影响后,模型的稳定性提升,其预测精度均高于OK,其中,MC_OK2的模型可靠程度、预测精度和对SOCD总方差的解释能力最优.因此,土地利用类型作为易获取的辅助变量,可以有效减弱空间异质性和空间异常值对SOCD空间插值的影响,提升模型精度,降低不确定性,并与MC_OK2结合生成更高精度的SOCD空间分布图,帮助揭示SOCD空间分异规律,指导农业生产.     

基于地理加权回归克里格模型的帽儿山地区森林碳储量空间分布

森林碳储量对于全球气候变化具有重要影响,以往的模型估算未考虑到模型残差的空间相关性和碳储量数据的非平稳性,影响模型的预测精度.本研究基于东北林业大学帽儿山实验林场的ETM+遥感影像数据和193块固定样地,利用地理加权克里格回归(GWRK)建立森林碳储量与遥感和地形因子的回归模型,同时对比最小二乘模型(OLS)、地理加权回归模型(GWR)的预测精度.结果表明: 对于帽儿山地区的森林碳储量估算,GWRK的平均绝对误差(MAE)、均方根误差(RMSE)低于OLS模型和GWR模型,GWRK模型的平均误差(ME)低于GWR模型,与OLS模型相近.GWRK模型的预测精度为83.2%,较OLS模型(73.7%)和GWR模型(77.3%)分别提高6%和10%,拟合精度明显提高,说明GWRK模型是森林碳储量估算的有效方法.利用GWRK模型预测的研究区森林碳储量平均值为70.31 t·hm^-2,在海拔较高的地区,森林碳储量值相对较高,说明海拔对其有较大影响.     

红壤区土壤有机质和全氮含量的空间预测方法

如何利用有限的土壤采样点准确预测土壤属性一直是研究的热点。近些年来,结合辅助信息的克里格空间插值应用广泛,但将土地利用类型信息作为辅助变量提高预测精度的研究鲜有报道。以中国南方红壤丘陵区的余江县为案例区,用网格法采集254个土壤样品,通过普通克里格(OK)和以土地利用方式为辅助变量的克里格(KLU)方法对土壤有机质(SOM)和土壤全氮(STN)进行空间预测,并通过102个验证点比较了两种方法的预测精度。分析表明KLU对SOM和STN的预测值与实测值的相关系数(rSOM=0.786,rSTN=0.803)明显高于OK(rSOM′=0.224,rSTN′=0.307);OK对SOM和STN的预测RMSE分别为12.48g.kg-1和0.64g.kg-1,而KLU的预测RMSE分别为6.86g.kg-1和0.37g.kg-1,仅为前者的55%和58%。可见,KLU对研究区SOM和STN的预测精度均大幅提高。同时分析也表明,KLU对不同土地利用方式SOM和STN预测精度的提高幅度存在差异,其中对旱地预测精度的提高幅度最大,对林地预测精度的提高幅度最小,水田则介于两者之间。研究表明,KLU是南方红壤丘陵区进行SOM和STN空间预测的现实和高效方法。     

白鹤中途停歇地主要食物藨草球茎密度的空间插值方法研究

扁杆藨草(Scirpus planiculmis)和三江藨草(S.nipponicus)的球茎是迁徙白鹤(Grus leucogeranus)在莫莫格中途停歇地的主要食物。2010年9月15～25日,对莫莫格白鹤集中停歇地鹅头泡湿地的20条样线上100 m等间隔470个取样点进行了地下0～20 cm的藨草球茎的取样工作。基于此,采用反距离权重、4种径向基函数和普通克里格共6种空间插值方法模拟了该区域藨草球茎密度。交叉验证和插值结果的空间分布图对比,径向基函数中的张力样条插值效果最佳,是最适于该区域挺水植物藨草球茎密度的空间插值方法。张力样条插值结果表明:研究区内藨草球茎密度均值为(46.0±44.3)个/m2。其中,<25个/m2的面积占研究区的41.7%,25～100个/m2的面积占45.9%,而>100个/m2的面积仅占12.4%。研究结果为下一步分析白鹤迁徙种群与环境因子的生态关系、预测该地区白鹤的环境容纳量提供十分重要的基础数据。     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

Examining the spatial distribution of flower thrips in southern highbush blueberries by utilizing geostatistical methods

Flower thrips (Frankliniella spp.) are one of the key pests of southern highbush blueberries (Vaccinium corymbosum L. x V. darrowii Camp), a high-value crop in Florida. Thrips' feeding and oviposition injury to flowers can result in fruit scarring that renders the fruit unmarketable. Flower thrips often form areas of high population, termed "hot spots", in blueberry plantings. The objective of this study was to model thrips spatial distribution patterns with geostatistical techniques. Semivariogram models were used to determine optimum trap spacing and two commonly used interpolation methods, inverse distance weighting (IDW) and ordinary kriging (OK), were compared for their ability to model thrips spatial patterns. The experimental design consisted of a grid of 100 white sticky traps spaced at 15.24-m and 7.61-m intervals in 2008 and 2009, respectively. Thirty additional traps were placed randomly throughout the sampling area to collect information on distances shorter than the grid spacing. The semivariogram analysis indicated that, in most cases, spacing traps at least 28.8 m apart would result in spatially independent samples. Also, the 7.61-m grid spacing captured more of the thrips spatial variability than the 15.24-m grid spacing. IDW and OK produced maps with similar accuracy in both years, which indicates that thrips spatial distribution patterns, including "hot spots," can be modeled using either interpolation method. Future studies can use this information to determine if the formation of "hot spots" can be predicted using flower density, temperature, and other environmental factors. If so, this development would allow growers to spot treat the "hot spots" rather than their entire field.     

塔里木盆地北缘盐土有机碳含量的贝叶斯地统计预测

准确预测土壤有机碳的空间分布,对于土壤资源开发和保护、应对气候变化和生态系统健康都具有重要意义.本文以塔里木盆地北缘盐土1300 m×1700 m样地为试验区,采集5～10 cm深度土壤样品144个,构建土壤有机碳含量的贝叶斯地统计空间预测模型,并以普通克里格、序惯高斯模拟和逆距离加权方法为对照,评价贝叶斯地统计对土壤有机碳含量的预测性能.结果表明: 研究区土壤有机碳含量处于1.59～9.30 g·kg^-1,平均值为4.36 g·kg^-1,标准偏差为1.62 g·kg^-1;半方差函数符合指数模型,空间结构比参数值为0.57;利用贝叶斯地统计方法,获得了土壤有机碳含量的空间分布图以及评价预测不确定性的预测方差、上95%分位数、下95%分位数分布图;与普通克里格、序惯高斯模拟和逆距离加权方法相比,贝叶斯地统计方法具有更高的土壤有机碳含量空间预测精度,显示出该方法对土壤有机碳含量预测的优越性.     

Bioclimatic and vegetation mapping of a topographically complex oceanic island applying different interpolation techniques

Different spatial interpolation techniques have been applied to construct objective bioclimatic maps of La Palma, Canary Islands. Interpolation of climatic data on this topographically complex island with strong elevation and climatic gradients represents a challenge. Furthermore, meteorological stations are not evenly distributed over the island, with few stations at high elevations. We carried out spatial interpolations of the compensated thermicity index (Itc) and the annual ombrothermic Index (Io), in order to obtain appropriate bioclimatic maps by using automatic interpolation procedures, and to establish their relation to potential vegetation units for constructing a climatophilous potential natural vegetation map (CPNV). For this purpose, we used five interpolation techniques implemented in a GIS: inverse distance weighting (IDW), ordinary kriging (OK), ordinary cokriging (OCK), multiple linear regression (MLR) and MLR followed by ordinary kriging of the regression residuals. Two topographic variables (elevation and aspect), derived from a high-resolution digital elevation model (DEM), were included in OCK and MLR. The accuracy of the interpolation techniques was examined by the results of the error statistics of test data derived from comparison of the predicted and measured values. Best results for both bioclimatic indices were obtained with the MLR method with interpolation of the residuals showing the highest R ² of the regression between observed and predicted values and lowest values of root mean square errors. MLR with correction of interpolated residuals is an attractive interpolation method for bioclimatic mapping on this oceanic island since it permits one to fully account for easily available geographic information but also takes into account local variation of climatic data.     

利用辅助变量对污染土壤锌分布的克里格估值

采用协同克里格及与回归相结合的克里格方法,以36个下层(10～20 cm)土壤锌数据为目标变量、另36个下层土壤锌数据为校验数据、72个上层(0～10 cm)土壤锌为辅助变量,对沈阳市南郊某有色金属加工厂附近农田0.1 mol·L^-1 HCl浸提态土壤锌进行插值分析,并对这两种利用辅助变量的克里格方法在土壤锌空间分布研究中的适用性进行评价.结果表明,与回归相结合的克里格的估值效果明显优于协同克里格及普通克里格法.结合回归模型的变异函数理论模型决定系数较大、残差较小,估值精度比普通克里格法提高4%,且基于回归克里格的土壤锌分布图与利用72个样点普通克里格插值图具有高度的相似性.而协同克里格与普通克里格相比未表现出明显优势.借助辅助变量,采用基于回归模型的克里格方法是进行土壤重金属空间分布估值的一种有效方法.     

Spatial Analysis of Soil Organic Carbon in Zhifanggou Catchment of the Loess Plateau

Soil organic carbon (SOC) reflects soil quality and plays a critical role in soil protection, food safety, and global climate changes. This study involved grid sampling at different depths (6 layers) between 0 and 100 cm in a catchment. A total of 1282 soil samples were collected from 215 plots over 8.27 km². A combination of conventional analytical methods and geostatistical methods were used to analyze the data for spatial variability and soil carbon content patterns. The mean SOC content in the 1282 samples from the study field was 3.08 g·kg⁻¹. The SOC content of each layer decreased with increasing soil depth by a power function relationship. The SOC content of each layer was moderately variable and followed a lognormal distribution. The semi-variograms of the SOC contents of the six different layers were fit with the following models: exponential, spherical, exponential, Gaussian, exponential, and exponential, respectively. A moderate spatial dependence was observed in the 0–10 and 10–20 cm layers, which resulted from stochastic and structural factors. The spatial distribution of SOC content in the four layers between 20 and 100 cm exhibit were mainly restricted by structural factors. Correlations within each layer were observed between 234 and 562 m. A classical Kriging interpolation was used to directly visualize the spatial distribution of SOC in the catchment. The variability in spatial distribution was related to topography, land use type, and human activity. Finally, the vertical distribution of SOC decreased. Our results suggest that the ordinary Kriging interpolation can directly reveal the spatial distribution of SOC and the sample distance about this study is sufficient for interpolation or plotting. More research is needed, however, to clarify the spatial variability on the bigger scale and better understand the factors controlling spatial variability of soil carbon in the Loess Plateau region.